Mar, 2024

物理引导的神经网络用于室内矢量流动图绘制

PDF
TL;DR通过借助物理导向的神经网络（PINNs）和基于物理引导的 nnU-Net 监督方法，以及对模拟和实际彩色多普勒图像进行的严格评估，本研究提出了传统 iVFM 优化方案的新替代方法，显示出与原始 iVFM 算法相当的重建性能。同时，研究指出 nnU-Net 方法在稀疏和截断多普勒数据方面表现出卓越的鲁棒性，同时保持与明确边界条件的独立性，进而突显了这些方法在重建室间心室血流方面的有效性，并暗示了基于血流的流体动力学方程导出心血管疾病生物标志物的潜在应用。
intraventricular vector flow mappingcolor dopplerphysics-informed neural networksnnu-netcardiovascular diseases
发现论文，激发创造
  • 基于物理知识的神经网络在血流反问题中的应用

    利用 PINNs 方法从散射二维噪声测量中估计上行主动脉中的简化模型参数和全速度场，方法在模拟数据上表现出稳定且准确的参数估计，速度重建取决于测量质量和流动模式复杂性，可用于解决临床相关反问题和复杂耦合物理系统。

    Aug, 2023

  • 多物理信息神经网络用于生物医学管道流动

    研究通过使用多种案例的 Physics-Informed Neural Networks (PINNs) 方法来计算生物医学管道流体动力学，并探讨网络架构、特定管道和正则化策略以优化计算结果。

    Sep, 2023

  • 面向实时训练的物理知情神经网络：超快超声血流成像的应用

    我们提出了 SeqPINN 和 SP-PINN 两种基于 PINN 的训练框架，用于求解含有定常流场的 Navier-Stokes 方程，实现了比原始设计的 PINN 更快的速度，并在恢复血流速度时分别达到 1.01 cm/s 和 1.91 cm/s 的 RMSE 值（在直通血管上），以及 1.26 cm/s 和 2.56 cm/s 的 RMSE 值（在三叉血管上）。

    Sep, 2023

  • 物理学启发的神经网络（PINN）在流体力学中的应用：综述

    本文回顾了在流体力学问题中使用基于物理学的神经网络（PINNs）的方法，将数据和数学模型无缝集成。该方法可以用于求解涉及三维尾流、超音速流和生物流动等方面的逆向问题。

    May, 2021

  • 物理信息神经网络建模在带移动浸入边界的系统中的应用：插入翼非定常流场

    本文提出了一种基于物理引导神经网络、浸润边界方法和移动边界的方法来复现移动物体的非稳态流体力学过程，并研究了该方法的数据效率。

    Jun, 2023

  • 基于量子物理的神经网络用于复杂形状的计算流体力学模拟

    我们提出了一种使用混合的量子物理信息神经网络的方法，模拟了三维 Y 形混合器中的层流流体，该方法结合了量子模型的表达力和 PINN 的灵活性，与纯经典神经网络相比，精度提高了 21％。

    Apr, 2023

  • HDNet：基于 Helmholtz 分解的流动估计的物理启发神经网络

    提出了一种名为 HDNet 的物理启发神经网络，可以通过 Helmholtz 分解将任意流场分解为散度和旋度两个分量，可用于解决流场估计问题。

    Jun, 2024

  • NSFnets: 基于物理学知识的神经网络求解不可压 Navier-Stokes 方程组

    利用物理信息神经网络模拟不可压缩流，分别考虑速度 - 压力和涡量 - 速度两种形式的 Navier-Stokes 方程进行模拟。通过优化损失函数中的权重，改善 NSFnets 模拟的精度。

    Mar, 2020

  • 物理启发神经网络无创推断血栓材料特性

    本文采用物理信息神经网络 (PINNs) 和合成数据推断生物材料的特性，特别是我们成功地应用于推断血栓渗透性和粘弹性模量，验证了该模型在噪声合成数据中的鲁棒性。

    May, 2020

  • 物理信息神经网络用于预测柴油机气体流动动力学和未知参数

    本篇论文提出了一种基于物理知识的神经网络（PINN）方法来监测柴油发动机的健康状况，并考虑将深度神经网络（DNN）与 PINN 模型相结合，以更好地适应柴油发动机的状态。

    Apr, 2023